كاربردي از كاهش اريبي بي‌پاسخي با روش‌هاي امتياز تمايل

An Application of Non-response Bias Reduction Using Propensity Score Methods

در بسياري از آمارگيري‌ها، برخي از واحدهاي نمونه به تعدادي از پرسش‌ها يا همۀ آنها پاسخ نمي‌دهند. اين امر موجب بروز بي‌پاسخي مي‌شود. اريبي و تورم واريانس، دو اثر مهم بي‌پاسخي بر آماره‌هاي آمارگيري هستند. اگرچه افزايش اندازۀ‌ نمونه از تورم واريانس براوردها جلوگيري مي‌كند، لزوماً اثري بر كاهش اريبي آماره‌ها ندارد. از اين رو روش‌هاي مختلفي براي تعديل اريبي بي‌پاسخي مورد استفاده قرار مي‌گيرد. هنگامي كه ساختار گم‌شدگي تصادفي باشد، تعديل موزون براي جبران اثر بي‌پاسخي واحد آماري مناسب است. يكي از روش‌هاي وزن‌دهي، روش امتياز تمايل است. تخصيص وزن در روش امتياز تمايل، بر مبناي براورد احتمال پاسخ واحدهاي نمونه‌اي انجام مي‌شود. اين براوردها با برازش مدل‌هاي پارامتري مناسب به‌دست مي‌آيند. در اين مقاله روش امتياز تمايل و براوردگرهاي تعديل‌شدۀ حاصل از آن معرفي مي‌شوند. سپس به مقايسۀ‌ عمل‌كرد سه براوردگر تعديل‌شدۀ امتياز تمايل پرداخته مي‌شود. در آخر با استفاده از مجموعه‌داده‌هاي آمارگيري هزينه و درامد خانوارهاي شهري مركز آمار ايران در سال ‎1390‎، براوردگرهاي تعديل‌شدۀ امتياز تمايل از نظر معيارهاي ريشۀ‌ دوم ميانگين توان دوم خطاي نسبي و كارايي نسبي با هم مقايسه مي‌شوند.

In many statistical studies some units do not respond to a number or all of the questions‎. ‎This situation causes a problem called non-response‎. ‎Bias and variance inflation are two important consequences of non-response in surveys‎. ‎Although increasing the sample size can prevented variance inflation‎, ‎but cannot necessary adjust for the non-response bias‎. ‎Therefore a number of methods are used for reducing non-response effects‎. ‎In the cases where missing mechanism is at random‎, ‎weighting adjustment is an appropriate method for compensating the effects of unit non-response‎. ‎Propensity score is a weighting method in which weight allocation is accomplished based on the estimates of response probabilities‎. ‎These estimates are obtained by fitting suitable parametric models‎. ‎In this paper‎, ‎the propensity score method and its resulted adjusted estimators are introduced‎. ‎Then we compare the performance of three propensity score adjusted estimators‎. ‎Finally‎, ‎data on Household Income and Expenditure Survey for urban families conducted by Statistical Centre of Iran in spring 1390 are used to compare the adjusted propensity score estimators by two measures of comparisons‎, ‎root relative mean squared error and relative efficiency‎.